El defecto de rebozado solo se ve mientras la pieza pasa

El problema

El defecto de rebozado solo se ve mientras la pieza pasa.

El defecto de rebozado es superficial y visible, pero solo si alguien está mirando esa pieza exactamente en ese instante. El control por muestreo deja huecos por definición. Y este producto tiene una particularidad cruel: una vez que la pieza entra al túnel y se congela, ya no se distingue del resto. Se envasa, se paletiza y se distribuye. El defecto se descubre cuando la croqueta se abre en la freidora del restaurante, y la reclamación llega con fotografía. Cada pieza defectuosa que pasa consume además frío de túnel y envase, que también se pierden.

• Empanado incompleto, pieza reventada en la prefritura, forma deformada, peso fuera de tolerancia: el defecto es superficial y visible, pero solo si alguien mira esa pieza en ese instante.
• A la cadencia real de una línea de croquetas el ojo humano no puede mirar cada pieza, y el control por muestreo deja huecos por definición.
• Este producto tiene una particularidad cruel: una vez que entra al túnel y se congela, ya no se distingue del resto. Se envasa, se paletiza y se distribuye.
• El defecto se descubre cuando la croqueta se abre en la freidora del restaurante y la reclamación llega con fotografía. Y cada pieza defectuosa que pasa ha consumido además frío de túnel y envase.

Cómo encaja con el sistema IRIS

Edge — visión por IA en local, pieza a pieza, antes del túnel.

Edge — visión por IA ejecutada en local.

Detectar a la salida del rebozado en vez de en el cliente cambia el sitio donde se paga el defecto: de una reclamación con foto y un palé devuelto a una pieza en la cubeta de rechazo. Y como se registra contra el lote, el histórico de defecto por referencia y línea empieza a existir. Ese histórico es el que permite ajustar la rebozadora antes de que el defecto se repita, no después.

• Cámara cenital sobre la cinta de salida de la rebozadora, antes de la entrada al túnel.
• Red neuronal entrenada con piezas buenas y malas de los formatos reales de la planta —croqueta, croquetón, mini-croqueta, pimiento relleno, bocadito—, no un modelo genérico.
• Inferencia en milisegundos por pieza sobre GPU local: no se envía imagen a la nube, así que ni la latencia ni el ancho de banda ni la conexión son un límite.
• Expulsión de la pieza defectuosa antes del túnel.
• Cada expulsión se registra contra el lote y alimenta el histórico de defecto por referencia y línea.

Ver la arquitectura IRIS completa →

Antes y después

La inspección de hoy frente a la visión Edge

Aspecto	Inspección visual	Con iLEAN Edge
Cobertura	Muestreo de un pequeño porcentaje	100 % de las piezas
Empanado incompleto y pieza reventada	Se escapan a cadencia	Clasificados en milisegundos
Punto de detección	La freidora del restaurante	Antes de entrar al túnel
Frío de túnel y envase gastados en defectos	Se pierden	No se consumen
Reclamaciones de distribuidor con foto	Recurrentes	Reducción drástica
Histórico de defecto por referencia y línea	No existe	Se construye solo

de muestreo de un pequeño porcentaje a control del 100% de las piezas · de defecto detectado por el cliente a defecto expulsado en línea · de reclamaciones de distribuidor por producto reventado a reducción drástica · de cero histórico de defecto a histórico por referencia y línea.

Estimación de impacto

Estimación de impacto — a validar con vuestros números.

El siguiente bloque es una estimación a validar con los datos concretos de tu planta. Lo planteamos para que el comité tenga un orden de magnitud; lo refinamos en el diagnóstico.

• Payback estimado 5-12 meses, según el ratio de merma actual.
• El ahorro se compone de merma no congelada, envase no consumido y reclamaciones evitadas, y se cuenta contra el ratio de merma que tenéis hoy.
• De muestreo de un pequeño porcentaje a control del 100 % de las piezas, a la cadencia real de la línea.
• Y de cero histórico de defecto a un histórico por referencia y línea que explica qué velocidad de rebozadora o qué lote de pan rallado desnuda la pieza.

payback estimado de 5 a 12 meses según el ratio de merma actual. El ahorro se compone de merma no congelada, envase no consumido y reclamaciones evitadas. *Estimación a validar*.

Y la duda razonable del responsable de producción

«¿Y si expulsa croquetas buenas?» — el falso positivo es el riesgo real de cualquier visión, y por eso la red se entrena con piezas buenas y malas de vuestros formatos concretos —croqueta, croquetón, mini, pimiento relleno, bocadito— y con la iluminación de ese puesto, no con un modelo genérico. Clasificar contra un catálogo cerrado de defectos es tarea anclada, donde los mejores modelos bajan del 1,5% de error [1], y los casos de borde se elevan a una persona en vez de expulsarse sin más.

^[1] Paper OpenAI «Why Language Models Hallucinate», 2025 — sobre fiabilidad de la IA en tareas ancladas.